人工智能处于高速发展阶段，以至于现阶段的it技术无法跟上人工智能的步伐。正如devops需要改进it团队的交互方式一样，人工智能操作或算法操作也需要对it操作进行改进。
it文化发展还没有赶上人工智能的运作(图片来自：linuxprobe)
什么是aiops？
gartner在2016年创造了“aiops”这个词。当时，aiops代表着算法操作，现在被称为“人工智能操作”。无论哪种方式，aiops都是指使用数据驱动的人工智能来协助it运营工程师完成的工作。
aiops的历史
虽然“aiops”这个词语只出现了几年，但是工程师们在某些方面已经使用aiops技术有很长一段时间了。例如，splunk，一个广泛使用的解释机器数据的工具，本质上是一个aiops平台。但是，现代aiops在两个主要方面被重新定义：aiops代表了一种基本的it管理策略，而不是一种仅用于特定工具或用例的技术；aiops具有完全自动化it操作任务的潜力。换句话说，aiops不仅有助于识别趋势或解释信息，还可以根据从数据中收集到的洞察力自动执行操作。
这就是近年来it专业人士对aiops越来越感兴趣的原因。他们认为aiops是一种让it运作更加高效的方法，更重要的是，aiops是一种大幅减少人类工程师管理软件和基础设施所需时间和精力的方法。
谁在用aiops？
到目前为止，只有较少的it运营团队正在做aiop。虽然关于目前aiops采用情况的全面统计数据难以实现，预计到2019年，使用aiops的企业数量只会达到25%，这意味着aiops在当前和未来市场的存在可能性不大。值得注意的是，许多软件供应商现在正在提供为it操作团队设计的平台，这些平台集成了aiop，比如说因斯塔纳一种相对较新的apm工具，在很大程度上依赖于人工智能来实现监测任务的自动化；被广泛使用的基础设施监视平台pagertask现在也提供了一些自动响应特性将其功能扩展到传统监视之外； logrhythm‘s智能响应虽然供应商将其描述为“半自动”，但功能也有类似之处等。
可以看到，aiops的解决方案清单正在增加。虽然目前采用aiops似乎有些不温不火，但似乎可以肯定地说，aiops并不是一时兴起。
aiops的被广泛采用的时日为时尚早，这并不代表aiops工具不存在。正如我们刚才提到的，许多工具已经可以应用，因为aiops最终是关于文化的，而不是工具。毕竟，使用人工智能和机器学习实现it操作过程自动化的工具存在的时间远远长于aiops存在的时间。大多数it运营团队还没有“做aiops”的原因是他们还没有接受人工智能驱动的自动化可以成为他们所做的一切的基础的想法。相反，大多数组织只在某些场景中部署了aiops工具和技术。
相反，正如devops需要改进it团队的交互方式一样重新思考员工角色，aiops要求实现自动化，需将其作为可以任何方式自动化的每个it操作任务的基础。
当然，在实践中，手工工作流在某种程度上仍然存在的。但是it运营团队可以通过将aiop作为其操作方式的基本原则，从而大大减少他们对人工干预的依赖，然后确定能够帮助他们操作aiops文化的工具。